xception

AI/Hands-on ML

[핸즈온 머신러닝] 14장(4) - CNN을 통한 위치 추정, 객체 탐지, 시맨틱 분할

[AI/Hands-on ML] - [핸즈온 머신러닝] 14장(3) -케라스를 통한 CNN 구현 및 모델 사용 14. 8 분류와 위치 추정 사진에서 물체의 위치를 추정하는 것은 회귀 작업으로 가능 - 물체를 둘러싸는 바운딩 박스를 추정하는 방법 - 바운딩 박스를 예측하는 일반적인 방법은 물체 중심의 수평, 수직 좌표와 높이, 너비를 예측하는 것 (= 네 개의 숫자 예측) 일반적으로 전역 평균 풀링 층 위에 네 개의 유닛을 가진 두 번째 밀집 출력층을 추가하고 MSE 손실을 사용해 훈련 base_model = keras.applications.xception.Xception(weights="imagenet", include_top=False) avg = keras.layers.GlobalAveragePool..

AI/Hands-on ML

[핸즈온 머신러닝] 14장(3) -케라스를 통한 CNN 구현 및 모델 사용

[AI/Hands-on ML] - [핸즈온 머신러닝] 14장 - CNN 구조 (LeNet-5, AlexNet, GoogLeNet, VGGNet, ResNet, Xception , SENet) 14. 5 케라스를 사용해 ResNet-34 CNN 구현하기 - ResNet-34는 34개 층으로 이루어진 ResNet으로 - 64개 특성 맵을 출력하는 3개 RU, 128개 맵의 4개 RU, 512개 맵의 3개 RU를 포함 ResidualUnit, 잔차유닛 층 생성 class ResidualUnit(keras.layers.Layer): def __init__(self, filters, strides=1, activation="relu", **kwargs): super().__init__(**kwargs) self...

AI/Hands-on ML

[핸즈온 머신러닝] 14장(2) - CNN 구조 (LeNet-5, AlexNet, GoogLeNet, VGGNet, ResNet, Xception , SENet)

[AI/Hands-on ML] - [핸즈온 머신러닝] 14장 - 합성곱 신경망을 사용한 컴퓨터 비전 (CNN 구조) [핸즈온 머신러닝] 14장(2) - CNN 구조 (LeNet-5, AlexNet, GoogLeNet, VGGNet, ResNet, Xception , SENet) [AI/Hands-on ML] - [핸즈온 머신러닝] 14장 - 합성곱 신경망을 사용한 컴퓨터 비전 (CNN 구조) 14. 4 CNN 구조 - 합성곱 층을 몇 개 쌓고(+Relu), 풀링 층을 쌓고, 이를 반복하는 식 - 네트워크를 통과할수록 kdeon.tistory.com 14. 4 CNN 구조 - 합성곱 층을 몇 개 쌓고(+Relu), 풀링 층을 쌓고, 이를 반복하는 식 - 네트워크를 통과할수록 이미지는 점점 작아지지만, 합성..

KIM DEON
'xception' 태그의 글 목록